🔬 Category

physics.comp-ph

886 Arbeiten

Die Computergestützte Physik verbindet die Gesetze der Natur mit der Rechenkraft moderner Computer, um komplexe Phänomene zu simulieren, die im Labor schwer zu beobachten sind. Von der Strömungsdynamik bis zur Quantenmechanik nutzen Forscher hier Algorithmen, um tiefe Einblicke in das Verhalten von Materie und Energie zu gewinnen.

Auf Gist.Science durchsuchen wir täglich die neuesten Vorabveröffentlichungen auf arXiv in diesem Bereich. Für jedes neu eingereichte Papier erstellen wir sowohl eine verständliche Zusammenfassung für ein breites Publikum als auch eine detaillierte technische Analyse, damit die neuesten Durchbrüche für alle zugänglich sind.

Hier finden Sie die aktuellsten Forschungsarbeiten aus dem Feld der computergestützten Physik, die wir für Sie aufbereitet haben.

Spectral Reach: Understanding Neural Scaling as Progress into the Spectral Tail

Dieses Paper führt die „spektrale Position“ ein, um zu demonstrieren, dass größere neuronale Modelle eine überlegene Leistung erzielen, indem sie ihre Lernkapazität in den spektralen Ausläufer des empirischen Neural Tangent Kernels ausdehnen – eine Fähigkeit, die durch Feature-Learning ermöglicht wird, welches Gradienten adaptiv verstärkt, um schwache Signale zu erschließen, die für kleinere Modelle unzugänglich sind.

Konstantin Nikolaou, Jonas Scheunemann, Sven Krippendorf, Samuel Tovey, Christian Holm2026-06-01🔬 physics

Resource-aware Research on Universe and Matter: Call-to-Action in Digital Transformation

Ausgehend von einem Workshop im Mai 2023 fordert diese Arbeit ressourcenbewusste Forschung in den Bereichen Universum und Materie, indem sie ein Portfolio digitaler Transformationsmaßnahmen skizziert, die darauf ausgelegt sind, wissenschaftlichen Fortschritt voranzutreiben und gleichzeitig den Klimawandel durch eine verringerte Abhängigkeit von fossilen Brennstoffen zu mildern.

Ben Bruers, Marilyn Cruces, Markus Demleitner, Guenter Duckeck, Michael Düren, Niclas Eich, Torsten Enßlin, Johannes Erdmann, Martin Erdmann, Peter Fackeldey, Christian Felder, Benjamin Fischer, Stefa (…)2026-05-29🔬 cond-mat.mtrl-sci

Mechanisms and Stability of Li Dynamics in Amorphous Li-Ti-P-S-Based Mixed Ionic-Electronic Conductors: A Machine Learning Molecular Dynamics Study

Diese Studie nutzt maschinell lernende Kraftfelder, um groß angelegte Molekulardynamiksimulationen durchzuführen, die zeigen, dass der optimale Li-Ionentransport und die Kanalsstabilität in amorphen Ti-dotierten Lithiumphosphorsulfid-Elektrolyten bei 10 % und 20 % Ti-Konzentrationen über eine durch ungeordnete Li-S-Polyeder erleichterte Freivolumendiffusion auftreten.

Selva Chandrasekaran Selvaraj, Daiwei Wang, Donghai Wang, Anh T. Ngo2026-05-29🔬 cond-mat.mtrl-sci

Run-and-Tumble Escape in Pursuit-Evasion Dynamics of Intelligent Active Particles

Diese Arbeit untersucht die Verfolgungs-Flucht-Dynamik zwischen einem deterministischen, selbststeuernden Verfolger und einem stochastischen, kognitiven Fliehenden in zwei Dimensionen und zeigt, dass die Erfassungszeit des Fliehenden maßgeblich davon abhängt, ob er eine hochriskante Rückwärtsmanöver-Strategie oder eine Vorwärts-Rollstrategie mit kontinuierlichen Anpassungen je nach Dominanz des Verfolgers wählt.

Segun Goh, Dennis Haustein, Gerhard Gompper2026-05-29🔬 cond-mat

Electron-phonon coupling in magnetic materials using the local spin density approximation

Dieser Beitrag stellt eine Erweiterung des EPW-Pakets zur Berechnung der Elektron-Phonon-Kopplung in magnetischen Materialien unter Verwendung der lokalen Spin-Dichte-Näherung vor und zeigt durch Validierung an ferromagnetischem Eisen und Nickel, dass die Elektron-Phonon-Streuung der dominierende Widerstandsmechanismus in Eisen ist, aber weniger als ein Drittel des Widerstands in Nickel ausmacht.

Á. A. Carrasco Álvarez, M. Giantomassi, J. Lihm, G. E. Allemand, M. Mignolet, M. Verstraete, S. Poncé2026-05-29🔬 cond-mat.mtrl-sci

MiAD: Mirage Atom Diffusion for De Novo Crystal Generation

Dieser Artikel stellt MiAD vor, ein äquivariantes gemeinsames Diffusionsmodell, das eine neuartige „Mirage-Infusion"-Technik nutzt, um während der Generierung die Anzahl der Atome dynamisch zu verändern und dadurch die Entdeckung stabiler, einzigartiger und neuer kristalliner Materialien im Vergleich zu bestehenden State-of-the-Art-Ansätzen erheblich verbessert.

Andrey Okhotin, Maksim Nakhodnov, Nikita Kazeev, Mikhail Lazarev, Andrey E Ustyuzhanin, Dmitry Vetrov2026-05-29🔬 cond-mat.mtrl-sci

The Hamilton-Jacobi Theory of Deep Learning

Dieser Artikel stellt eine exakte mathematische Korrespondenz zwischen dem Training von Deep-Learning-Modellen und Anfangswertproblemen der Hamilton-Jacobi-Gleichung her, vereint neuronale Netzarchitekturen, tropische Algebra, viskose partielle Differentialgleichungen und konvexe Optimierung unter einem einzigen Deformationsparameter, um präzise theoretische Erkenntnisse zu Generalisierung, Robustheit und Attribution abzuleiten.

Jose Marie Antonio Miñoza, Erika Fille T. Legara, Christopher P. Monterola2026-05-29🤖 cs.LG

A Variational Quantum Algorithm for Nonlinear Finite Element Analysis of Hyperelastic Materials

Dieser Beitrag schlägt einen hybriden quanten-klassischen Variationsalgorithmus vor, der Polynomanäherungen der Verzerrungsenergiedichte nutzt, um nichtlineare Finite-Elemente-Probleme für hyperelastische Materialien auf kurzfristigen Quantengeräten zu lösen, und demonstriert seine Machbarkeit durch numerische Experimente an einem eindimensionalen Neo-Hookean-Modell.

Uditnarayan Kouskiya, Caglar Oskay2026-05-29⚛️ quant-ph